精对苯二甲酸生产装置中PTA粒径的智能控制方法

摘要

精对苯二甲酸生产装置中PTA粒径的智能控制方法；即首先选取PTA精制单元加氢反应器温度及其出料流量、第一结晶器的液位及其温度、第二结晶器的液位及其温度作为产品粒径软测量系统的输入变量，建立主要操作参数对PTA粒径的影响关系。然后通过对过程数据的实时、连续采集，得到PTA粒径的软测量值。根据当前粒径软测量值与设定值间的偏差，采用程序控制策略对第一结晶器的液位、压力，第二结晶器的液位、压力进行实时自动控制，以得到符合要求的PTA产品粒径。

主权项

1、一种工业装置PTA粒径的智能控制方法，其特征是利用加氢反应器温度、加氢反应器的进料、第一结晶器温度、第一结晶器液位、第二结晶器温度、第二结晶器液位的实时采集数据，应用神经网络技术预测平均粒径；同时利用该平均粒径的软测量值，取第一结晶器压力、第一结晶器液位、第二结晶器压力、第二结晶器液位作为调节变量；首先，利用神经网络技术，建立平均粒径的软测量系统。该系统的输入变量有5个，分别是：(1)加氢反应器与第一结晶器之间的温差，ΔT₁；(2)第一结晶器的停留时间，τ₁；(3)第一结晶器与第二结晶器之间的温差，ΔT₂；(4)第二结晶器的停留时间，τ₂；(5)前时刻的PTA粒径分析值。利用式(1)，得到系统输入变量：这里，T_reactor(t-t₁)表示当前时刻前t₁时刻的反应器温度，T_lst-crys(t-t₂)表示当前时刻前t₂时刻的第一结晶器温度，L_lst-crys(t-t₂)表示当前时刻前t₂时刻的第一结晶器液位，F_reactor(t-t₁)表示当前时刻前t₁时刻的反应器流量，T_2nd～crys(t)表示当前时刻的第二结晶器温度，L_2nd-crys(t)表示当前时刻的第二结晶器液位，G_t-1表示前一时刻的粒径值；利用式(2)，对上述软测量模型的输入变量进行归一化处理；神经网络模型的输入变量是：ΔT₁(x₁，℃)、τ₁(x₂，mins)、ΔT₂(x₃，℃)、τ₂(x₄，mins)、G_t-1(x₅，μm)，并进行归一化处理： ${\mathrm{sx}}_1=\frac{x_1-x_{\min }^{\prime }}{x_{\max }^{\prime }-x_{\min }^{\prime }}*({\mathrm{sx}}_{\max }^{\prime }-{\mathrm{sx}}_{\min }^{\prime })+{\mathrm{sx}}_{\min }^{\prime }i=\mathrm{1,2,3,4,5}---\left(2\right)$(2)式中，x_i是软测量模型第i个输入变量(即自变量)的实际测量值，sx_i表示第i个输入变量归一化后作为神经网络输入的值，表示采集到第i个输入变量的变化范围，归一化后输入自变量的变化范围为对采集到n1组数据，其中每组数据包含[x₁，x₂，x₃，x₄，x₅，G_t]，经归一化后为[sx₁，sx₂，sx₃，sx₄，sx₅，sG_t]，形成训练样本。对PTA粒径G_t的神经网络模型，以[sx₁，sx₂，sx₃，sx₄，sx₅]作为网络的输入，对应PTA粒径sG_t作为目标值，训练网络；从现有DCS系统数据与PTA粒径的关联关系，用神经网络技术建立模型；通过对上述模型输入变量的实时、连续采集，将训练好的权值及阈值带入并进行计算，得到PTA粒径的实时预测值；然后，根据模型对影响粒径的多个主要影响因素实现自动调节。